Please wait a minute...
Advanced Search
现代图书情报技术  2013, Vol. 29 Issue (11): 75-80    DOI: 10.11925/infotech.1003-3513.2013.11.11
  情报分析与研究 本期目录 | 过刊浏览 | 高级检索 |
基于支持向量机的网络伪舆情识别研究
刘勘, 朱怀萍, 刘秀芹
中南财经政法大学信息与安全工程学院 武汉 430073
Detection of Internet Deceptive Opinion Based on SVM
Liu Kan, Zhu Huaiping, Liu Xiuqin
School of Information and Safty Engineering, Zhongnan University of Economics and Law, Wuhan 430073, China
全文: PDF(655 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 针对网络伪舆情的识别问题,提出一种基于支持向量机的网络伪舆情识别方法。鉴于不同的舆情信息所反映出的舆情特征不同,而舆情特征的不同又可进一步辨别舆情的真假,因此首先构建针对网络舆情真伪的评价指标;基于支持向量机的分类机理,结合网络舆情的评价指标提出基于支持向量机的网络伪舆情识别模型,采用多项式核函数以及优化之后的径向基核函数产生的分类器。通过实验证明采用支持向量机构造舆情分类器所构建的识别算法能够对网络伪舆情进行有效识别。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
刘勘
朱怀萍
刘秀芹
关键词 网络伪舆情支持向量机评价指标核函数    
Abstract:This paper proposes a new approach to detect internet deceptive opinion based on Support Vector Machine(SVM). According to the different features in different opinions or sentiments, the authors firstly evaluate the effect or importance of various features. Then a deception detection model is developed with SVM. This model adopts polynomial kernel function and RBF kernel function after optimization to generate the classifier. The results of the experiment show that the proposed method is effective in identifying the deceptive opinion.
Key wordsInternet deceptive opinion    SVM    Evaluation index    Kernel function
收稿日期: 2013-07-29     
:  G202  
基金资助:本文系教育部人文社会科学基金项目“网络伪舆情的识别与防范机制研究”(项目编号:11YJAZH060)的研究成果之一。
通讯作者: 刘勘     E-mail: liukan@znufe.edu.cn
引用本文:   
刘勘, 朱怀萍, 刘秀芹. 基于支持向量机的网络伪舆情识别研究[J]. 现代图书情报技术, 2013, 29(11): 75-80.
Liu Kan, Zhu Huaiping, Liu Xiuqin. Detection of Internet Deceptive Opinion Based on SVM. New Technology of Library and Information Service, DOI:10.11925/infotech.1003-3513.2013.11.11.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2013.11.11
[1] 周亚东,孙钦东,管晓宏,等. 流量内容词语相关度的网络热点话题提取[J]. 西安交通大学学报,2007, 41(10): 1142-1146.(Zhou Yadong,Sun Qindong, Guan Xiaohong,et al. Internet Popular Topics Extraction of Traffic Content Words Correlation[J]. Journal of Xi'an Jiaotong University, 2007, 41(10):1142-1146.)
[2] 廖祥文,曹冬林,方滨兴,等. 基于概率推理模型的博客倾向性检索研究[J]. 计算机研究与发展, 2009, 46(9): 1530-1536. (Liao Xiangwen, Cao Donglin, Fang Binxing,et al. Research on Blog Opinion Retrieval Based on Probabilistic Inference Model[J]. Journal of Computer Research and Development, 2009, 46(9): 1530-1536.)
[3] 朱恒民,苏新宁,张相斌. 基于链接网络图的互联网舆情话题跟踪方法[J]. 情报学报, 2011,30(12):1235-1241. (Zhu Hengmin, Su Xinning, Zhang Xiangbin. A Topic Tracking Method of Internet Public Opinion Based on Link Network Diagram[J]. Journal of the China Society for Scientific and Technical Information, 2011, 30(12):1235-1241.)
[4] 宋常青. “网络伪舆情”干扰政府决策[J]. 半月谈, 2010(3):6-7. (Song Changqing. Raise Guard on Fake Internet Opinion Interfere with Government Decisions[J]. China Comment, 2010(3):6-7.)
[5] 刘勘,朱怀萍,胡航. 网络伪舆情的特征研究[J]. 情报杂志, 2011,30(11):57-60. (Liu Kan, Zhu Huaiping, Hu Hang. Study on Characteristics of Internet Fake Public Opinion[J]. Journal of Intelligence, 2011, 30(11):57-60.)
[6] 李兰玉. 网络伪舆情的成因及对策分析[J]. 人民论坛,2013,22(17):42-43. (Li Lanyu. The Reasons and Strategies for Internet Fake Public Opinion[J]. People's Tribune, 2013, 22(17):42-43.)
[7] 张一文,齐佳音,方滨兴,等. 非常规突发事件网络舆情指标体系建立初探——概念界定与基本维度[J]. 北京邮电大学学报:社会科学版, 2010, 12(4): 6-14.( Zhang Yiwen, Qi Jiayin, Fang Binxing,et al. Research on the Index System of Public Opinion on Internet for Abnormal Emergency: Concept Definition and Basic Dimensionality [J]. Journal of Beijing University of Posts and Telecommunications: Social Sciences Edition, 2010, 12(4):6-14.)
[8] 王青,成颖,巢乃鹏. 网络舆情监测及预警指标体系构建研究[J]. 图书情报工作, 2011,55(8): 54-57.(Wang Qing, Cheng Ying, Chao Naipeng. On the Construction of Internet Public Opinion Index System for Monitoring and Early Warning[J]. Library and Information Service, 2011, 55(8):54-57.)
[9] 张玉亮. 基于发生周期的突发事件网络舆情风险评价指标体系[J]. 情报科学, 2012,30(7): 1034-1038.(Zhang Yuliang. Network Opinion Risk Evaluation Index System Based on the Cycle of Emergency[J]. Information Science, 2012, 30(7): 1034-1038.)
[10] 陈新杰,呼雨,兰月新. 网络舆情监测指标体系构建研究[J]. 现代情报, 2012, 32(5): 4-7.(Chen Xinjie, Hu Yu, Lan Yuexin. Index Systems of Network Public Sentiment for Monitoring[J]. Modern Information, 2012, 32(5):4-7.)
[11] Vapnik V N. The Nature of Statistical Learning Theory [M]. New York, NY, USA: Springer-Verlag, 2000:138-156.
[12] 冯维扬. 反竞争情报对策研究:虚假信息与信息可靠性定量分析[J]. 情报学报, 2001, 20(6):728-732.(Feng Weiyang. Study on Strategy Against Counterintelligence: False Information and Quantitative Analysis of Reliability of Information[J]. Journal of the China Society for Scientific and Technical Information, 2001, 20(6):728-732.)
[13] Cortes C, Vapnik V. Support-vector Networks [J]. Machine Learning, 1995,20(3):273-297.
[14] Amari S, Wu S. Improving Support Vector Machine Classifiers by Modifying Kernel Functions [J]. Neural Networks, 1999, 12(6): 783-789.
[15] Lin H T, Lin C J. A Study on Sigmoid Kernels for SVM and the Training of Non-PSD Kernels by SMO-type Methods[EB/OL].[2013-10-05].http://www.csie.ntu.edu.tw/~cjlin/papers/tanh.pdf.
[16] Hsu C W, Chang C C, Lin C J. A Practical Guide to Support Vector Classification [EB/OL].[2013-10-05]. http://www.csie.ntu.edu.tw/~cjlin/papers/guide/guide.pdf.
[17] Huang C L, Wang C J. A GA-based Feature Selection and Parameters Optimization for Support Vector Machines [J]. Expert Systems with Applications, 2006, 31(2):231-240.
[18] Paquet U, Engelbrecht A P. Training Support Vector Machines with Particle Swarms [C]. In: Proceedings of the IEEE International Joint Conference on Neural Network. New Jersey: IEEE Press, 2003: 1593-1598.
[1] 曾庆田,戴明弟,李超,段华,赵中英. 轨迹数据融合用户表示方法的重要位置发现*[J]. 数据分析与知识发现, 2019, 3(6): 75-82.
[2] 周成,魏红芹. 专利价值评估与分类研究*——基于自组织映射支持向量机[J]. 数据分析与知识发现, 2019, 3(5): 117-124.
[3] 侯君,刘魁,李千目. 基于ESSVM的分类推荐*[J]. 数据分析与知识发现, 2018, 2(3): 9-21.
[4] 黄孝喜,李晗雨,王荣波,王小华,谌志群. 基于卷积神经网络与SVM分类器的隐喻识别*[J]. 数据分析与知识发现, 2018, 2(10): 77-83.
[5] 曾金,陆伟,丁恒,陈海华. 基于图像语义的用户兴趣建模*[J]. 数据分析与知识发现, 2017, 1(4): 76-83.
[6] 田世海,吕德丽. 改进潜在语义分析和支持向量机算法用于突发安全事件舆情预警*[J]. 数据分析与知识发现, 2017, 1(2): 11-18.
[7] 杨爽,陈芬. 基于SVM多特征融合的微博情感多级分类研究*[J]. 数据分析与知识发现, 2017, 1(2): 73-79.
[8] 刘红光,马双刚,刘桂锋. 基于降噪自动编码器的中文新闻文本分类方法研究*[J]. 现代图书情报技术, 2016, 32(6): 12-19.
[9] 张晔,张晗,尹玢璨,赵玉虹. 基于电子病历利用支持向量机构建疾病预测模型*——以重度急性胰腺炎早期预警为例[J]. 现代图书情报技术, 2016, 32(2): 83-89.
[10] 张策,都云程,梁然. 采用URL特征的Hub网页识别方法研究*[J]. 现代图书情报技术, 2016, 32(1): 24-31.
[11] 赵静娴. 基于决策树的网络伪舆情识别研究[J]. 现代图书情报技术, 2015, 31(6): 78-84.
[12] 何跃, 宋灵犀, 齐丽云. 负面事件中的品牌网络口碑溢出效应研究——以“圆通夺命快递”事件为例[J]. 现代图书情报技术, 2015, 31(10): 58-64.
[13] 胡吉明, 陈果. 超球支持向量机文本分类方法改进[J]. 现代图书情报技术, 2014, 30(9): 74-80.
[14] 韩红旗,桂婕,徐硕,刘玉琴. 基于专利文本数据的技术实力评价方法*[J]. 现代图书情报技术, 2014, 30(1): 66-71.
[15] 李霄, 丁晟春. 垃圾商品评论信息的识别研究[J]. 现代图书情报技术, 2013, 29(1): 63-68.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn